一种330kV电缆瓷瓶套管的破损快速检测方法与流程

一种330kv电缆瓷瓶套管的破损快速检测方法
技术领域
1.本发明属于电网输变电设备状态监测领域，具体涉及一种330kv电缆瓷瓶套管的破损快速检测方法。


背景技术：

2.随着自动化技术的快速发展，在工业生产中很多需要人工操作的环节逐渐转由机器完成，工业生产自动化也将越来越多的工人们从枯燥乏味的工作中解放出来，让他们去发挥更大的价值。
3.电力设备表面缺陷检测是电网安全生产中的重要环节，是机器人自动巡检的关键步骤，借助表面缺陷检测技术可以有效的提高机器人智能巡检质量和效率，常见的处理算法如下：
4.(1)传统算法
5.传统的表面缺陷检测算法结构通过图像预处理得到便于检测的图像，随后借助统计机器学习方法来提取图像特征，进而实现缺陷检测的目标。
6.图像预处理通常包括直方图均衡化、滤波去噪、灰度二值化、再次滤波几部分，以得到前后景分离的简单化图像信息；随后利用数学形态学、傅里叶变换、gabor变换等算法以及机器学习模型完成缺陷的标记与检测。
7.(2)深度学习
8.深度学习算法采用深度卷积神经网络(dcnns)结合ssd，yolo等网络方法构建了一个从粗到细的级联检测网络，包括设备的定位、缺陷检测与分类。
9.上述的传统算法在某些特定的应用中已经取得了较好的效果，但仍然存在许多不足。例如：图像预处理步骤繁多且具有强烈的针对性，鲁棒性差；多种算法计算量惊人且无法精确的检测缺陷的大小和形状。
10.而深度学习是直接通过学习数据更新参数，避免了人工设计复杂的算法流程，并且有着极高的鲁棒性和精度。但是深度学习的本质其实也就是机器学习，最根据的原理就是统计学。需要提供足够多的数据，经过定义模型、收集分析数据，注入训练改进模型，输出结果，并循环执行上述过程，不断提高精度。简而言之，深度学习的缺点就是需要提供足够多的，各种各样的330kv套管模板，用于算法进行训练建模，在实际操作上存在困难。


技术实现要素：

11.为了弥补现有技术的不足，本发明提供一种330kv电缆瓷瓶套管的破损快速检测方法技术方案。
12.所述的一种330kv电缆瓷瓶套管的破损快速检测方法，其特征在于包括
13.步骤一：对需要监视的电力设备330kv套管设置机器人巡检预置位置，并拍摄基准设备图像；
14.步骤二：在基准设备图像上沿套管本体轮廓位置，采用多边形轮廓的方式，生成多
边形标记点位置数组；
15.步骤三：记录该多边形每一个定点位置坐标，形成坐标数组，并将基准设备图像与坐标数组储存为基准数据文件；
16.步骤四：机器人系统在自动巡检工作过程中，将采集到的套管图像通过自动识别匹配方法，确定设备在实时采集的高清图中的位置，处理如下：
17.a.以基准设备图像为基准图像s，以当前机器人系统采集的即时高清图为目标设备图像；
18.b.以基准设备图像上的设备多边形轮廓为基准，按多边形的周长为计算依据，在多边形周边上，将多边形的顶点作为特征点，特征点数量为k，k个设备数据特征点分别为：s1、s2......sk；
19.c.以某个特征点为中心，在基准设备图像中选取长度宽度都为m像素的亮度数据块t作为计算相似度测量的数据计算基础；
20.d.在目标设备图像中采用全局搜索的方法计算与数据块t相似度最高的数据块，计算公式如下：
[0021][0022]
其中s
ij
表示在目标设备图像中以坐标(i,j)位置为中心的长度宽度都为m的图像亮度数据，其中i的取值范围为(m/2)到(w
‑
m/2)，j的取值范围为(m/2)到(h
‑
m/2)，w是所述多边形的最大宽度，h是所述多边形的最大高度；
[0023]
e.统计所有的r(i,j)中的最大值，该数值的(i,j)就是待处理的目标设备图像上与基准设备图像中特征图像点相匹配的位置点，重复步骤c至步骤d分别得到k个目标特征点t1、t2.....tk；
[0024]
f.计算s1分别到其余设备数据特征点的距离是否与t1分别到目标特征点的距离误差在u个像素点内，如果符合则确认s1点为基准设备图像与目标设备图像的匹配对准点；
[0025]
g.根据所有目标特征点的位置，并根据基准设备图像中设备轮廓多边形，确定在目标设备图像中设备的精确外轮廓多边形的位置。
[0026]
步骤五：对基准设备图像与目标设备图像进行亮度信息的匹配转换，处理如下：
[0027]
计算r＝b/a；
[0028]
其中，a是基准设备图像上设备多边形轮廓范围内所有图像点的亮度数据之和，b是目标设备图像上设备多边形轮廓范围内所有图像点的亮度数据之和，
[0029]
将目标设备图像的亮度数据分成一个个对比图像区域，计算该对比图像区域内像素点的亮度之和，然后与基准设备图像对应区域的亮度数据之和进行相减计算，公式如下：
[0030]
p＝(c
‑
r*d)/c
[0031]
其中，c是基准设备图像上对比图像区域亮度数据之和，d是目标设备图像上对比图像区域亮度数据之和；
[0032]
当p的数值小于v，该方块区域在比较值矩阵的数值为0，否者为1，其中v的取值为0.01
‑
0.05；
[0033]
步骤六：经过步骤五的计算以后，得到一个比较值矩阵，矩阵中为0的部分代表在图像上该部分没有差异，矩阵中为1的部分就是代表在图像上该部分有差异，说明设备表面有变化；
[0034]
步骤七：在比较值矩阵为1的位置，转换后就是图像变化明显的坐标位置，以该位置为基础，在目标设备图像上标记出设备存在缺陷的位置。
[0035]
所述的一种330kv电缆瓷瓶套管的破损快速检测方法，其特征在于所述步骤二中，通过人工采用折线段的方式，将套管的轮廓标记出来。
[0036]
所述的一种330kv电缆瓷瓶套管的破损快速检测方法，其特征在于所述步骤四的步骤g的具体操作方法为：将所有目标特征点依序连接构成目标多边形。
[0037]
所述的一种330kv电缆瓷瓶套管的破损快速检测方法，其特征在于所述步骤三中的基准数据文件首先存储了jpeg格式的高清图像信息，然后在jpeg文件的附件数据段中存储了套管设备位置信息。
[0038]
所述的一种330kv电缆瓷瓶套管的破损快速检测方法，其特征在于所述步骤四的步骤b中，k的取值范围为4
‑
10，优选为4。
[0039]
所述的一种330kv电缆瓷瓶套管的破损快速检测方法，其特征在于所述步骤四的步骤c中，m的取值范围为9
‑
60，优选为20。
[0040]
所述的一种330kv电缆瓷瓶套管的破损快速检测方法，其特征在于所述步骤四的步骤f中，u的取值范围为0
‑
3，优选为3。
[0041]
所述的一种330kv电缆瓷瓶套管的破损快速检测方法，其特征在于所述步骤五中，所述对比图像区域为矩形，大小为40
‑
400像素。
[0042]
所述的一种330kv电缆瓷瓶套管的破损快速检测方法，其特征在于所述步骤五中，所述对比图像区域为10像素*10像素的方块区域。
[0043]
所述的一种330kv电缆瓷瓶套管的破损快速检测方法，其特征在于所述步骤五中v的取值为0.02。
[0044]
与现有技术相比，本发明采用高清图像识别的方式，结合位置修正后对图像数据匹配识别的方式分析套管表面的缺陷，确定330kv绝缘套管的工作状态，能够大大提高套管破损检测的正确率和效率；本发明可以在机器人巡检产生的图像中，直观的将巡视人员关心的330kv套管工作状态在高清图像中直接显示出来，定位精确，直观方便。
附图说明
[0045]
图1为本发明的流程图；
[0046]
图2为本发明未生成多边形轮廓时的基准设备图像；
[0047]
图3为本发明已生成多边形轮廓时的基准设备图像。
具体实施方式
[0048]
在本发明的描述中，需要理解的是，术语“一端”、“另一端”、“外侧”、“上”、“内侧”、“水平”、“同轴”、“中央”、“端部”、“长度”、“外端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
[0049]
下面结合附图对本发明作进一步说明。
[0050]
如图1
‑
3所示，一种330kv电缆瓷瓶套管的破损快速检测方法，包括
[0051]
步骤一：在调试现场，对需要监视的电力设备330kv套管设置机器人巡检预置位置，并拍摄基准设备图像；
[0052]
步骤二：在基准设备图像上沿套管本体轮廓位置，采用多边形轮廓的方式，生成多边形标记点位置数组；
[0053]
步骤三：记录该多边形每一个定点位置坐标，形成坐标数组，并将基准设备图像与坐标数组储存为基准数据文件；
[0054]
步骤四：机器人系统在自动巡检工作过程中，将采集到的套管图像通过自动识别匹配方法，确定设备在实时采集的高清图中的位置，处理如下：
[0055]
a.以基准设备图像为基准图像s，以当前机器人系统采集的即时高清图为目标设备图像；
[0056]
b.以基准设备图像上的设备多边形轮廓为基准，按多边形的周长为计算依据，在多边形周边上平均选取k个标点，作为k个设备数据特征点：s1、s2......sk；
[0057]
c.以某个特征点为中心，在基准设备图像中选取长度宽度都为m像素的亮度数据块t作为计算相似度测量的数据计算基础；
[0058]
d.在目标设备图像中采用全局搜索的方法计算与数据块t相似度最高的数据块，计算公式如下：
[0059][0060]
其中s
ij
表示在目标设备图像中以坐标(i,j)位置为中心的长度宽度都为m的图像亮度数据，其中i的取值范围为(m/2)到(w
‑
m/2)，j的取值范围为(m/2)到(h
‑
m/2)，w是所述多边形的最大宽度，h是所述多边形的最大高度；
[0061]
e.统计所有的r(i,j)中的最大值，该数值的(i,j)就是待处理的目标设备图像上与基准设备图像中特征图像点相匹配的位置点，重复步骤c至步骤d分别得到k个目标特征点t1、t2.....tk；
[0062]
f.计算s1分别到其余设备数据特征点的距离是否与t1分别到目标特征点的距离误差在u个像素点内，如果符合则确认s1点为基准设备图像与目标设备图像的匹配对准点；
[0063]
g.根据所有目标特征点的位置，并根据基准设备图像中设备轮廓多边形，确定在目标设备图像中设备的精确外轮廓多边形的位置。
[0064]
步骤五：对基准设备图像与目标设备图像进行亮度信息的匹配转换，处理如下：
[0065]
计算r＝b/a；
[0066]
其中，a是基准设备图像上设备多边形轮廓范围内所有图像点的亮度数据之和，b是目标设备图像上设备多边形轮廓范围内所有图像点的亮度数据之和，
[0067]
将目标设备图像的亮度数据分成一个个对比图像区域，计算该对比图像区域内像素点的亮度之和，然后与基准设备图像对应区域的亮度数据之和进行相减计算，公式如下：
[0068]
p＝(c
‑
r*d)/c
[0069]
其中，c是基准设备图像上对比图像区域亮度数据之和，d是目标设备图像上对比图像区域亮度数据之和；
[0070]
当p的数值小于v，该方块区域在比较值矩阵的数值为0，否者为1，其中v的取值为0.01
‑
0.05；
[0071]
步骤六：经过步骤五的计算以后，得到一个比较值矩阵，矩阵中为0的部分代表在图像上该部分没有差异，矩阵中为1的部分就是代表在图像上该部分有差异，说明设备表面有变化；
[0072]
步骤七：在比较值矩阵为1的位置，转换后就是图像变化明显的坐标位置，以该位置为基础，在目标设备图像上标记出设备存在缺陷的位置。
[0073]
进一步地，所述步骤三中的基准数据文件首先存储了jpeg格式的高清图像信息，然后在jpeg文件的附件数据段中存储了套管设备位置信息。更具体地，本发明为实现上述文件储存，定义一种机器人巡检套管表面融合信息文件存储格式，利用该储存格式对文件进行储存，该格式描述如下：
[0074]
表1套管表面融合信息文件存储格式
[0075]
[0076][0077]
上述文件存储了机器人在当前位置进行电力设备融合显示的所有信息，同时采用标准jpeg格式文件。
[0078]
进一步地，在上述步骤二中，通过人工采用折线段的方式，将套管的轮廓标记出来。
[0079]
进一步地，上述步骤四中步骤g的具体操作方法为：将所有目标特征点依序连接构成目标多边形。具体是：基准图像中多边形的每一个顶点都在目标图像中找到对应的点以后，将这些点按次序连接起来，构成一个与基础图像多边形一致的形状，这个过程由处理器自动计算。
[0080]
进一步地，所述步骤四的步骤b中，k的取值范围为4
‑
10，优选为4；所述步骤四的步骤c中，m的取值范围为9
‑
60，优选为20；所述步骤四的步骤f中，u的取值范围为0
‑
3，优选为3；所述步骤五中，所述对比图像区域为矩形，大小为40
‑
400像素，还对比图像区域优选为10像素*10像素的方块区域；所述步骤五中v的取值优选为0.02。
[0081]
更进一步地，以k为4为例，进一步说明上述步骤f的具体计算方法：计算s1
‑
s2距离与t1
‑
t2距离的误差1、s1
‑
s3距离与t1
‑
t3距离的误差2、s1
‑
s4距离与t1
‑
t4距离的误差3，所有误差值在3个像素内才确认s1为匹配对准点。
[0082]
上述步骤五中，r的目的是为了修正基准图像与目标图像因为外界光线整体变化导致的数据偏差。
[0083]
本发明所采用的图像分析算法，可以快速的输出330kv套管的表面状态图像，便于巡视人员直观的了解设备是否存在故障缺陷。本发明所定义的储存格式能够存储设备位置信息，同时保证的图像可以采用通用软件进行查看。
[0084]
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。